Section outline

  • Collapse Expand

    General

    Collapse all Expand all
  • Collapse Expand

    Lezione nr1

    Le lezioni si svolgeranno in modalità telematica, sul canale Teams:

    https://teams.microsoft.com/l/meetup-join/19%3ameeting_NTFlYWU3NmYtNzdiZS00MTVjLTk1MDktOWY3NTBjMDc3ZDQ3%40thread.v2/0?context=%7B%22Tid%22%3A%22a54b3635-128c-460f-b967-6ded8df82e75%22%2C%22Oid%22%3A%2219394788-119c-4512-a120-4f0eddc3d0c1%22%7D

    Martedì 02 Marzo, dalle 10:00 alle 12:00.

    Visto l'esiguo numero di iscritti (2 soltanto), le lezioni non verranno registrate ma cercheremo piuttosto di accordarci di volta in volta in modo da essere sempre presenti.

    Durante la prima lezione vi spiegherò meglio il programma e la modalità dell'esame finale.

    Il materiale didattico vi verrà fornito a lezione.


  • Collapse Expand

    Argomento 1

    Stima di massima verosimiglianza dei parametri della Normale

    9/3; 10 - 12.

    16 marzo 2022 10:00_12:00
  • Collapse Expand

    Argomento 2

    Stima di massima verosimiglianza di "p" in una serie di Bernoulli (analisi di dati dicotomici 0-1).

    16/3; 10 - 12.

    mercoledì 23 marzo 2022

  • Collapse Expand

    Argomento 3/4

    Cenni di algebra lineare in Excel.


    Alcuni metodi iterativi per il calcolo della stima di verosimiglianza (Newton-Raphson, metodo dello scoring).

    24/03; 10 - 12 (Terza lezione), 15 - 17 (Quarta lezione).


    31 marzo 2022 10:00-12:00 Cenni di algebra lineare in Excel.

    07 aprile 2022 10:30-12:30 Alcuni metodi iterativi per il calcolo della stima di verosimiglianza (Newton-Raphson, metodo dello scoring)

  • Collapse Expand

    Topic 5

    Stima di massima verosimiglianza del modello lineare con errore normale.

    a pg. 10 delle diapositive ci sono due esercizi di ripasso sul materiale presentato a lezione.

    30/03 10:00- 12:00

    14 aprile 2022 10:30-12:30 Stima di massima verosimiglianza del modello lineare con errore normale.

  • Collapse Expand

    Topic 6

    Applicazione del metodi iterativo (Fisher scoring) per la massimizzazione della funzione di verosimiglianza nel contesto del modello lineare con errori normali.

    13/04 10-12

    22 Aprile 2022 10:30-12:30

  • Collapse Expand

    Topic 7

    Stima del modello di regressione lineare con Excel (minimi quadrati ordinari e Fisher scoring).

    20 04 21, 10.00 - 12.00

  • Collapse Expand

    Topic 8

    Il modello lineare di probabilità ed il modello logit: introduzione ed interpretazione dei parametri del modello.

    Aggiornerò a breve le diapositive con le equazioni 37 e 38 corrette (!) ed il materiale per la prossima lezione.

    27/04/2021 ore 10:00 - 12:00

    06 maggio 2022 10:30-13:00 (3h accademiche)

    12 maggio 2022 10:30-12:30

  • Collapse Expand

    Topic 9

     il modello logit: stima di massima verosimiglianza (iterativa) dei parametri del modello. 

    Discussione di un algoritmo di stima con Excel (R).

    11/05 ore 10 - 12

    18 maggio 2022 11:00-12:30


  • Collapse Expand

    Argomento 10 11

    Inferenza sui parametri del modello di regressione logistica.

    (a) Wald test; (b) combinazioni lineari di coefficienti; (c)  intervallo di fiducia per il logit e la probabilità stimata; e (d) test Chi quadrato per il confronto tra modello "nullo" ed "alternativo".

    25/05/2021 10 - 12 (decima), 15 - 17 (Undicesima lezione)

    01 giugno 2022 15:00 - 17:00

    03 giugno 2022 11:00-13:00

    Per casa, stimate i parametri del modello logit basato sulla matrice X qui sotto, e replicate i vari test statistici visti a lezione.

    X=

         1    8    2

         1   14   14

         1   -7    6

         1    6    4

         1    5    4

         1    6    4

         1   -5   -7

         1    1    2

         1    0   10

        1  -17  -19


    e sui valori Y = 1 1 0 0 1 0 1 0 0 0

  • Collapse Expand

    Argomento 12

    Esercitazione pratica in R, con risoluzione dell'esercizio 5.1 pag 198, dal libro di A. Agresti "Categorical Data Analysis".

    Martedì 08/06/2021 10:12

    09 giugno 2022 11:00-13:00